用户画像是用户研究的核心。在不同的阶段，发挥不同的作用。
在产品设计阶段，用户画像主要是指通过市场调研等方式，将所收集的信息进行分类、聚类与关联分析，并输出几类具有典型特征的虚拟用户的过程。其目的主要是把握核心用户的需求。
在市场营销阶段，用户画像是指根据不同年龄段的用户、不同地域的用户、不同用户的偏好等特征进行营销方案的制定与推广渠道的选择。
在产品运营阶段，用户画像主要基于用户的行为数据进行数据分析与挖掘，具有很强的科学性与准确性，比如我们熟悉的个性化推荐、精准广告投放等。
业界有很多专业的用户画像的方法，比如“七步人物角色法”与“十步人物角色法”等都值得我们学习研究。从本质上来看，无非都在做3件事情：用户信息获取、分析建模、画像呈现。下面将从两个方面详细介绍在不同的阶段如何做用户画像。
用户信息获取。在传统的产品设计过程中，用户信息获取的途径主要是访谈与问卷调研。（关于访谈过程控制与问卷调研设计实践，本文不做过多赘述）。获取信息的维度大致可归纳为以下几个方面：
画像维度
分析建模。基于以上数据，我们可以将其进行清洗与整理，为后面的分析与挖掘做准备。其实我们通过调研所收集的数据相对比较干净，但是在日常工作中，数据清洗是非常痛苦的任务，清洗的质量也决定了后面分析的效果。常见的挖掘方法有分类、聚类和关联等。分类常用的算法有贝叶斯、KNN、SVM、决策树以及神经网络；聚类最常用的算法有K-Means，在产品设计阶段，很少有企业能够做这么细，原因也很简单，企业是要考虑成本的。总而言之，运用大数据算法进行目标用户画像是目前最科学有效的方法。后面章节会逐一对算法进行详细介绍。
画像呈现。将具有代表性的特征进行深度融合，虚拟出核心用户的特征画像。
画像呈现
用户信息获取。在产品投入市场后，我们就可以通过真实用户的行为数据进行分析与挖掘。本阶段的数据主要来自用户硬件信息、注册信息、访问日志、服务器端操作行为数据以及用户反馈等，要想及时灵活准确地获取以上数据，数据埋点是必不可少的。关于数据埋点，要细说的话估计要写3篇文章才能说明白。现在碰到知识点，总是想展开说，但又怕脱离主题，若有机会，后续做专题研究。总之，通过数据埋点设计，就可以获得用户行为数据。不同的产品，采集到的数据结构不相同。
数据分析与数据挖掘。关于数据分析与挖掘的流程与思路，在上文中已有提及，此处主要介绍一下RFM用户价值模型。此模型在用户消费领域应用较为广泛，根据RFM的思想，结合用户画像，可以将用户行为划分为最近一次访问时间、最近访问频数与停留时间。其中R5代表最近一次访问时间，以此类推；F5代表访问频数，频数等级视具体产品而定；M代表停留时间；同样也是针对不同的情况来确定其评价值。提到大数据分析，基于历史数据进行预测也是用户研究的重要内容。对于用户画像，我个人认为意义不大。
画像呈现。在画像呈现上主要以可视化的图表为表现形式。
对于用户画像，我个人认为没必要去套那些固定的方法。其实在企业实际工作中，很少有企业花时间去真正地做这件事。本文主要是想将用户画像研究的思路与逻辑做一简单的概括与总结，希望对各位小伙伴有帮助。
联系客服
